本發(fā)明屬于定量遙感和作物監(jiān)測(cè)，尤其涉及一種基于物候分段dtw的作物生理參數(shù)遙感時(shí)序估測(cè)方法、系統(tǒng)及存儲(chǔ)介質(zhì)。

背景技術(shù)：

1、衛(wèi)星遙感通過(guò)時(shí)間序列遙感植被指數(shù)揭示作物生長(zhǎng)狀況和產(chǎn)量的時(shí)空維度，已成為獲取地方、區(qū)域和全球尺度作物信息的主要方法。通過(guò)數(shù)理方法和計(jì)算機(jī)技術(shù)對(duì)遙感獲取得作物波譜響應(yīng)進(jìn)行分析，從而反演出作物生理參數(shù)是實(shí)現(xiàn)作物長(zhǎng)勢(shì)監(jiān)測(cè)的具體手段。目前大多數(shù)估測(cè)模型是將植被指數(shù)與作物生理參數(shù)聯(lián)系起來(lái)，構(gòu)建從觀測(cè)數(shù)據(jù)到目標(biāo)參量之間的表達(dá)式。這類方法的優(yōu)點(diǎn)是，觀測(cè)數(shù)據(jù)和目標(biāo)參量之間具有明確的因果關(guān)系，可以揭示水稻株高模型中變量的作用。但這類模型的時(shí)空泛化能力較差，在不同區(qū)域或年份應(yīng)用時(shí)往往估算結(jié)果存在偏差。此外，在使用反演模型適應(yīng)新的年份和區(qū)域時(shí)，解決時(shí)間變化尤為重要。由于農(nóng)業(yè)氣候條件和農(nóng)業(yè)實(shí)踐（包括不同的播種時(shí)間、生長(zhǎng)周期等）的不同，同一類型的兩個(gè)地塊可能具有不同的物候演變，當(dāng)源訓(xùn)練模型應(yīng)用于目標(biāo)年份和區(qū)域時(shí)，時(shí)間偏移可能導(dǎo)致lai估計(jì)出現(xiàn)誤差。

2、一些研究利用savitzky-golay濾波、傅里葉變換和小波變換等多種技術(shù)對(duì)植被指數(shù)的時(shí)間序列進(jìn)行平滑處理，能夠提取最大值、最小值和拐點(diǎn)等關(guān)鍵節(jié)點(diǎn)，從而精確定位作物生長(zhǎng)周期內(nèi)的關(guān)鍵時(shí)間點(diǎn)，然而這種方法僅限于監(jiān)測(cè)特定的作物生長(zhǎng)階段，缺乏對(duì)作物完整生長(zhǎng)周期的協(xié)同分析。

3、因此，亟待解決上述問(wèn)題。

技術(shù)實(shí)現(xiàn)思路

1、發(fā)明目的：本發(fā)明的第一目的是提供一種基于物候分段dtw的作物生理參數(shù)遙感時(shí)序估測(cè)方法，該估測(cè)方法旨在克服物候不匹配現(xiàn)象導(dǎo)致作物生理參數(shù)遙感時(shí)序估測(cè)精度低的問(wèn)題，實(shí)現(xiàn)不同農(nóng)業(yè)場(chǎng)景下作物時(shí)間序列匹配以及作物生理參數(shù)高精度時(shí)序估測(cè)。

2、本發(fā)明的第二目的是提供一種基于冠層結(jié)構(gòu)動(dòng)態(tài)約束的雙極化sar圖像水稻葉面積指數(shù)估測(cè)系統(tǒng)。

3、本發(fā)明的第三目的是提供一種計(jì)算機(jī)存儲(chǔ)介質(zhì)。

4、技術(shù)方案：為實(shí)現(xiàn)以上目的，本發(fā)明公開(kāi)了一種基于物候分段dtw的作物生理參數(shù)遙感時(shí)序估測(cè)方法，包括以下步驟：

5、（1）對(duì)時(shí)間序列遙感影像進(jìn)行預(yù)處理，得到處理后的時(shí)序遙感數(shù)據(jù)；

6、（2）以時(shí)序遙感數(shù)據(jù)為基礎(chǔ)，計(jì)算植被指數(shù)，得到植被指數(shù)時(shí)序數(shù)據(jù)集；

7、（3）結(jié)合作物樣本實(shí)測(cè)數(shù)據(jù)，構(gòu)建用于估算作物生理參數(shù)的遙感估測(cè)模型；

8、（4）以地塊為基本地理單元，分別構(gòu)建作物標(biāo)準(zhǔn)植被指數(shù)時(shí)序曲線和植被指數(shù)時(shí)序曲線數(shù)據(jù)集；

9、（5）以植被指數(shù)時(shí)序曲線為基礎(chǔ)，確定目標(biāo)地塊作物生長(zhǎng)的時(shí)間范圍；

10、（6）基于動(dòng)態(tài)時(shí)間規(guī)整算法，構(gòu)建物候分段時(shí)間加權(quán)動(dòng)態(tài)算法，并以植被指數(shù)時(shí)序曲線為輸入獲得作物時(shí)序匹配路徑；

11、（7）根據(jù)獲得的匹配路徑對(duì)目標(biāo)地塊作物的時(shí)間參數(shù)進(jìn)行調(diào)整，并基于遙感估測(cè)模型和時(shí)序植被指數(shù)估算作物生理參數(shù)。

12、其中，步驟（1）中若時(shí)間序列遙感影像為光學(xué)遙感影像，預(yù)處理包括輻射定標(biāo)、大氣校正、幾何校正和圖像濾波；

13、若時(shí)間序列遙感影像為微波遙感影像，預(yù)處理包括多視處理、斑點(diǎn)濾波、地理編碼和輻射定標(biāo)。

14、優(yōu)選的，步驟（3）具體包括如下步驟：

15、采用最小二乘法描述各個(gè)生育期作物生理參數(shù)與植被指數(shù)的關(guān)系，并使用多項(xiàng)式描述模型參數(shù)隨時(shí)間的變化關(guān)系，從而構(gòu)建遙感估測(cè)模型，表達(dá)式為：

16、（1）

17、（2）

18、（3）

19、式中代表生理參數(shù)，為植被指數(shù)， k和 b分別為不同生育期最小二乘回歸模型的系數(shù)和截距，為年中天數(shù)，n為多項(xiàng)式的階數(shù)，和為多項(xiàng)式參數(shù)，通常利用最小二乘法確定。

20、再者，步驟（4）具體包括如下步驟：

21、以地塊為基本地理單元，將時(shí)序遙感數(shù)據(jù)的平均值作為特征值，并對(duì)每年的特征曲線以1天的時(shí)間間隔進(jìn)行線性插值，然后利用savitaky-golay濾波來(lái)降低曲線的時(shí)間噪聲，多項(xiàng)式階數(shù)和時(shí)間窗口大小分別設(shè)置為4和25，獲得地塊單元的植被指數(shù)時(shí)序曲線數(shù)據(jù)集；其中，將用于構(gòu)建遙感估測(cè)模型的地塊數(shù)據(jù)的植被指數(shù)時(shí)序曲線作為作物標(biāo)準(zhǔn)植被指數(shù)時(shí)序曲線。

22、進(jìn)一步，步驟（5）具體包括如下步驟：

23、根據(jù)作物日歷數(shù)據(jù)，對(duì)作物早期生長(zhǎng)范圍進(jìn)行了限定，進(jìn)而識(shí)別作物生長(zhǎng)范圍的開(kāi)端；在對(duì)應(yīng)時(shí)間序列中提取植被指數(shù)時(shí)間序列的極小值點(diǎn)，并統(tǒng)計(jì)極小值點(diǎn)的數(shù)量；若極小值點(diǎn)的數(shù)量為0，默認(rèn)限定時(shí)間序列的中點(diǎn)為作物生長(zhǎng)范圍的開(kāi)端；若極小值點(diǎn)的數(shù)量為1，則該極小值點(diǎn)為作物生長(zhǎng)范圍的開(kāi)端；若極小值點(diǎn)數(shù)量大于1，統(tǒng)計(jì)序列中左側(cè)極大值大于右側(cè)極大值的局部極小值的數(shù)量，若無(wú)極大值取最大值；若符合條件的極小值數(shù)量為0，選擇最早出現(xiàn)的極小值點(diǎn)作為作物生長(zhǎng)范圍的開(kāi)端；若符合條件的極小值數(shù)量為1，則該極小值點(diǎn)為作物生長(zhǎng)范圍的開(kāi)端；若符合條件的極小值數(shù)量大于1，選擇最早出現(xiàn)且符合條件的極小值點(diǎn)作為作物生長(zhǎng)范圍的開(kāi)端；

24、根據(jù)作物日歷數(shù)據(jù)，對(duì)作物晚期生長(zhǎng)范圍進(jìn)行了限定，進(jìn)而識(shí)別作物生長(zhǎng)范圍的結(jié)束；在對(duì)應(yīng)時(shí)間序列中提取植被指數(shù)時(shí)間序列的極小值點(diǎn)，并統(tǒng)計(jì)極小值點(diǎn)的數(shù)量；若極小值點(diǎn)的數(shù)量為0，默認(rèn)限定時(shí)間序列的中點(diǎn)為作物生長(zhǎng)范圍的結(jié)束；若極小值點(diǎn)的數(shù)量為1，則該極小值點(diǎn)為作物生長(zhǎng)范圍的結(jié)束；若極小值點(diǎn)數(shù)量大于1，統(tǒng)計(jì)序列中左側(cè)極大值大于右側(cè)極大值的局部極小值的數(shù)量，若無(wú)極大值取最大值；若符合條件的極小值數(shù)量為0，選擇最早出現(xiàn)的極小值點(diǎn)作為作物生長(zhǎng)范圍的結(jié)束；若符合條件的極小值數(shù)量為1，則該極小值點(diǎn)為作物生長(zhǎng)范圍的結(jié)束；若符合條件的極小值數(shù)量大于1，選擇最早出現(xiàn)且符合條件的極小值點(diǎn)作為作物生長(zhǎng)范圍的結(jié)束。

25、優(yōu)選的，步驟（6）具體包括如下步驟：

26、提取作物標(biāo)準(zhǔn)植被指數(shù)時(shí)序曲線和目標(biāo)地塊的植被指數(shù)時(shí)序曲線，將作物生長(zhǎng)范圍的開(kāi)端和結(jié)束作為時(shí)序曲線的兩個(gè)分割點(diǎn)；選擇目標(biāo)地塊作物生長(zhǎng)范圍的中點(diǎn)作為該地塊植被指數(shù)時(shí)序曲線的第三個(gè)分割點(diǎn)，作物標(biāo)準(zhǔn)植被指數(shù)時(shí)序曲線的第三個(gè)分割點(diǎn)設(shè)置為目標(biāo)地塊作物生長(zhǎng)范圍中點(diǎn)所對(duì)應(yīng)的生長(zhǎng)天數(shù)；將分割的時(shí)間序列作為動(dòng)態(tài)時(shí)間規(guī)整算法的輸入，獲得匹配路徑，并集成所有分段的匹配路徑。

27、再者，步驟（6）中所述動(dòng)態(tài)時(shí)間規(guī)整算法為：

28、設(shè)作物標(biāo)準(zhǔn)植被指數(shù)時(shí)序曲線和目標(biāo)地塊植被指數(shù)時(shí)序曲線分別為和時(shí)間序列和，，，由這兩個(gè)時(shí)間序列構(gòu)造的距離矩陣：

29、（4）

30、式中是兩個(gè)序列之間的基距，一般取兩個(gè)序列的節(jié)點(diǎn)值之差的絕對(duì)值作為dtw的基距，即；

31、由距離矩陣可推導(dǎo)累積距離矩陣，對(duì)于中的任意元素，其值是中從到的最小累積距離，一般通過(guò)遞歸累積最小距離來(lái)計(jì)算；

32、（5）

33、（6）

34、動(dòng)態(tài)時(shí)間規(guī)整算法是通過(guò)動(dòng)態(tài)規(guī)劃使得累積距離最小，在動(dòng)態(tài)規(guī)劃過(guò)程中，可以通過(guò)回溯獲得最佳的匹配路徑，匹配路徑用于定義和之間的映射，其中是匹配路徑的長(zhǎng)度，的第個(gè)元素定義為。

35、進(jìn)一步，步驟（7）具體包括如下步驟：

36、根據(jù)所述匹配路徑，將目標(biāo)地塊植被指數(shù)時(shí)序曲線匹配到作物標(biāo)準(zhǔn)植被指數(shù)時(shí)序曲線；

37、若目標(biāo)地塊植被指數(shù)時(shí)序曲線的單個(gè)點(diǎn)與作物標(biāo)準(zhǔn)植被指數(shù)時(shí)序曲線的單個(gè)點(diǎn)對(duì)應(yīng)，則作物標(biāo)準(zhǔn)植被指數(shù)時(shí)序曲線上的點(diǎn)為目標(biāo)地塊植被指數(shù)時(shí)序曲線上點(diǎn)的匹配點(diǎn)；

38、若目標(biāo)地塊植被指數(shù)時(shí)序曲線的單個(gè)點(diǎn)與作物標(biāo)準(zhǔn)植被指數(shù)時(shí)序曲線的多個(gè)點(diǎn)對(duì)應(yīng)，則作物標(biāo)準(zhǔn)植被指數(shù)時(shí)序曲線上點(diǎn)的平均點(diǎn)為目標(biāo)地塊植被指數(shù)時(shí)序曲線上點(diǎn)的匹配點(diǎn)；

39、若目標(biāo)地塊植被指數(shù)時(shí)序曲線的多個(gè)點(diǎn)與作物標(biāo)準(zhǔn)植被指數(shù)時(shí)序曲線的單個(gè)點(diǎn)對(duì)應(yīng)，則作物標(biāo)準(zhǔn)植被指數(shù)時(shí)序曲線上的點(diǎn)均為目標(biāo)地塊植被指數(shù)時(shí)序曲線上多個(gè)點(diǎn)的匹配點(diǎn)；

40、基于曲線匹配結(jié)果、植被指數(shù)、遙感估測(cè)模型估算出目標(biāo)地塊作物生理參數(shù)。

41、基于相同的發(fā)明構(gòu)思，本發(fā)明公開(kāi)了一種基于物候分段dtw的作物生理參數(shù)遙感時(shí)序估測(cè)系統(tǒng)，包括：

42、預(yù)處理模塊，用于對(duì)時(shí)間序列遙感影像進(jìn)行預(yù)處理，得到處理后的時(shí)序遙感數(shù)據(jù)；

43、指數(shù)計(jì)算模塊，用于以時(shí)序遙感數(shù)據(jù)為基礎(chǔ)，計(jì)算植被指數(shù)，得到植被指數(shù)時(shí)序數(shù)據(jù)集；

44、估測(cè)模型構(gòu)建模塊，用于結(jié)合作物樣本實(shí)測(cè)數(shù)據(jù)，構(gòu)建用于估算作物生理參數(shù)的遙感估測(cè)模型；

45、時(shí)序曲線構(gòu)建模塊，用于以地塊為基本地理單元，分別構(gòu)建作物標(biāo)準(zhǔn)植被指數(shù)時(shí)序曲線和植被指數(shù)時(shí)序曲線數(shù)據(jù)集；

46、生長(zhǎng)時(shí)間確定模塊，用于以植被指數(shù)時(shí)序曲線為基礎(chǔ)，確定目標(biāo)地塊作物生長(zhǎng)的時(shí)間范圍；

47、匹配路徑獲取模塊，用于基于動(dòng)態(tài)時(shí)間規(guī)整算法，構(gòu)建物候分段時(shí)間加權(quán)動(dòng)態(tài)算法，并以植被指數(shù)時(shí)序曲線為輸入獲得作物時(shí)序匹配路徑；

48、參數(shù)估算模塊，用于根據(jù)獲得的匹配路徑對(duì)目標(biāo)地塊作物的時(shí)間參數(shù)進(jìn)行調(diào)整，并基于遙感估測(cè)模型和時(shí)序植被指數(shù)估算作物生理參數(shù)。

49、本發(fā)明一種計(jì)算機(jī)存儲(chǔ)介質(zhì)，計(jì)算機(jī)存儲(chǔ)介質(zhì)存儲(chǔ)有計(jì)算機(jī)程序，該計(jì)算機(jī)程序被處理器運(yùn)行，執(zhí)行上述的一種基于物候分段dtw的作物生理參數(shù)遙感時(shí)序估測(cè)方法。

50、有益效果：與現(xiàn)有技術(shù)相比，本發(fā)明具有以下顯著優(yōu)點(diǎn)：本發(fā)明考慮作物生長(zhǎng)范圍和局部匹配，將dtw算法應(yīng)用于時(shí)序遙感影像的作物生理參數(shù)估測(cè)研究中，實(shí)現(xiàn)不同農(nóng)業(yè)場(chǎng)景下作物生理參數(shù)高精度時(shí)序估測(cè)；本發(fā)明旨在克服物候不匹配現(xiàn)象導(dǎo)致作物生理參數(shù)遙感時(shí)序估測(cè)精度低的問(wèn)題，實(shí)現(xiàn)不同農(nóng)業(yè)場(chǎng)景下作物時(shí)間序列匹配以及作物生理參數(shù)高精度時(shí)序估測(cè)。